R grafik sistemine bir başlangıç

R’da, “graphics” ve “grid” olmak üzere iki farklı grafik sistemi ve bu iki farklı sistem üzerinde çalışan grafik paketleri bulunmaktadır. Mesela R’ın standart grafik fonksiyonları “graphics” sistemini kullanmakta, ayrı bir paket olan “lattice” grid sistemini kullanmaktadır. Bu paketlerden hangisinin tercih edileceği zevke ve ihtiyaçlara göre değişir. Ancak her paket farklı imkanlar sunarken aynı zamanda paketlerin dilleri de farklıdır.

R grafik fonksiyonları high-level ve low-level fonksiyonlar olarak ikiye ayrılabilir. High-level fonksiyonlar temel özellikleri barındıran bir grafik çizmemizi sağlarken, low-level fonksiyonlar bu grafiğe daha fazla detay eklememize imkan verir. R’da grafiklerin özelliklerini ayarlayabileceğimiz görsel bir arayüz bulunmamaktadır. Dolayısıyla grafikleri komut satırından gireceğimiz fonksiyonlarla oluştururuz. Grafik fonksiyonları jenerik bir yapıya sahiptir, kullanıldığı yere, değişkenlere göre farklı sonuçlar verebilir. Aynı zamanda farklı fonksiyonlarla aynı sonuca da ulaşılabilir. Mesela, plot() fonksiyonuna sürekli bir değişken atanmasıyla kategorik (faktör) değişken atanması farklı grafikler netice verecektir:

attach (mtcars) 
par(mfrow=c(1,2)) 
new.vs <- as.factor(vs) 
plot(vs,mpg) 
plot(new.vs,mpg)

Burada öncelikle par(mfrow=c(1,2)) ile grafik alanını tek satır iki sütun olacak şekilde düzenledik. Daha sonra R’da bulunan mtcars verisetine ait iki değerli bir değişkenin (vs) türünü faktöre (new.vs) çevirdik. Daha sonra aynı grafik fonksiyonunu iki farklı değişkenle ayrı ayrı çalıştırdık. Görüldüğü gibi iki farklı grafik elde ettik. Bu durum R’a yeni başlayanlar için normal olarak kafa karışıklıklarına sebebiyet vermektedir.

par() fonksiyonu, grafik özelliklerini düzenleyebileceğimiz veya sorgulayabileceğimiz sık kullanılan bir fonksiyondur. par() fonksiyonuyla birlikte yukarıdaki örnekte kullandığımız mfrow gibi çok sayıda grafik parametresi düzenlenebilir. Bu parametrelerin bazıları grafik fonksiyonlarınca düzenlenebilirken, bazıları sadece par() fonksiyonu ile düzenlenip sorgulanabilir. R’ın standart paketlerinin ötesine geçebilmek için bu parametrelerin öğrenilmesi zaruridir. Aşağıdaki tablolarda bu parametreleri bulabilirsiniz. Tablolarda sadece fikir vermek amacıyla kısa bir açıklama yaptım ancak güzel görünümlü grafikler için bu parametrelerin yardım dosyaları ve örnek grafikler incelenmeli, pratik yapılmalı.

Tablo: Hem par() fonksiyonu hem de grafik fonksiyonuyla düzenlenebilip sorgulanabilen high-level grafik parametreleri

Tablo: Sadece par() fonksiyonuyla düzenlenip sorgulanabilen low-level grafik parametreleri

Tablo: par() fonksiyonuyla sorgulanabilen ancak düzenlenemeyen grafik parametreleri

Unutulmaması gereken önemli bir husus; grafik fonksiyonlarıyla düzenlenen grafik özelliklerinin sonraki grafiklere aktarılmamasına karşın, par() fonksiyonuyla düzenlenen grafik özellikleri kalıcı olur ve sonraki grafikler de aynı özellikleri taşıyarak oluşturulur. Grafik aygıtını eski haline getirmek için dev.off() komutu kullanılabilir.

Bunlara ilaveten bazı paketler standart grafik fonksiyonlarını farklılaştırır. Mesela cluster paketinin kullanıldığı aşağıdaki kod plot() fonksiyonuyla farklı grafikler üretmekte. Burada agnes() fonksiyonuyla üretilen liste türü veri plot() fonksiyonuna girince aşağıdaki grafikler ortaya çıkıyor:

library(cluster) 
subset <- sample(1:150, 20) 
cS <- as.character(Sp <- iris$Species[subset]) 
cS[Sp == "setosa"] <- "S" 
cS[Sp == "versicolor"] <- "V" 
cS[Sp == "virginica"] <- "g" 
ai <- agnes(iris[subset, 1:4]) 
plot(ai, labels = cS)

Bunun başka bir örneği de regresyon analizi. Aşağıdaki örnekte araçların yakıt sarfiyatına etki edebileceğini düşündüğümüz beygir gücü ve ağırlık değişkenlerini doğrusal regresyon testine soktuk ve sonucu mpg.lm ögesine atadık. str(mpg.lm) komutu mpg.lm değişkeninin 12 veri objesi barındıran liste türü bir değişken olduğunu gösteriyor. Daha sonra mpg.lm ögesinin plot() fonksiyonuyla grafiğini oluşturduk. Görüldüğü gibi regresyon sonuçlarını değerlendirmemizi (regression diagnostics) sağlayacak dört farklı grafik elde etmiş olduk.

mpg.lm <- lm(mpg ~ hp + wt) 
par (mfrow=c(2,2)) 
plot(mpg.lm)

Regresyon analiz sonuçlarını tutan liste türü değişkenin grafik fonksiyonuna x değeri olarak girdiği gibi, diğer veri türleri de başka grafiklere x değeri olarak atanabilir. Mesela aşağıdaki kodda mtcars verisetine ait iki değişkenden oluşan car.mx isimli bir matriks oluşturdum ve barplot() fonksiyonuyla yan yana grafiklerini çizdim:

car.mx <- as.matrix(cbind(mpg,wt)) 
par(mfrow=c(2,3)) 
barplot(car.mx,beside = TRUE,col=rainbow(32), main = "rainbow") 
barplot(car.mx,beside = TRUE,col=terrain.colors(32), main = "terrain") 
barplot(car.mx,beside = TRUE,col=topo.colors(32), main = "topo") 
barplot(car.mx,beside = TRUE,col=heat.colors(32), main = "heat") 
barplot(car.mx,beside = TRUE,col=cm.colors(32), main = "cm") 
barplot(car.mx,beside = TRUE,col=grey.colors(32), main = "gray")

Grafiklerde col parametresine, ardışık olarak renk üreten altı farklı renk fonksiyonu girerek çubukları renklendirdik. Bu arada R grafikleri standart olarak ekrana çizilirken bunların pdf, postscript veya resim dosyası olarak R dışarısına kaydedilmeleri de mümkündür.

Netice olarak R grafikleri bir çok standart ve standart dışı özellik barındıran objeler. Grafik sistemini iyi anlamak için başkalarının kodlarını incelemeli, detaylara dikkat etmeli ve bol pratik yapmalı. R’da grafik fonksiyonlarının örnekleri bulunmaktadır. Bu örneklere example(“grafik-fonksiyonu-adı”) şeklinde komutla ulaşılabilir. Mesela;

library(lattice)
example("xyplot")

yazarak grid sistemi üzerinde çalışan lattice grafik örneklerini görebiliriz. example() fonksiyonundan önce par(ask=TRUE) komutu girerek grafiklerin peşisıra hızlıca değil, teker teker ekrana gelmesini sağlayabiliriz.